欢迎使用CSDN-markdown编辑器
来源:互联网 发布:小说编写软件 编辑:程序博客网 时间:2024/06/16 08:58
Java实现的MR处理xml文件
- 自定义xml读入处理类,继承DefaultHandler类
- 使用Sax解析xml
- 书写MR程序
- 书写Job程序
XmlSaxParser.class
package cn.fywspring.hadoopd.wc_xml;import org.xml.sax.Attributes;import org.xml.sax.SAXException;import org.xml.sax.helpers.DefaultHandler;/** * 定制xml解析器,拿到每个节点的单词 * @author Yiwan * */public class XmlSaxParser extends DefaultHandler{ //存储读取到的单词 private String word; //记住操作的标签名 private String tagName; public String getTagName() { return tagName; } public void setTagName(String tagName) { this.tagName = tagName; } public String getWord() { return word; } public void setWord(String word) { this.word = word; } //只调用一次,可以进行初始化操作 @Override public void startDocument() throws SAXException { } //调用多次,从这开始解析 @Override public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException { this.tagName = qName; } //调用多次 @Override public void endElement(String uri, String localName, String qName) throws SAXException { this.tagName = null;// } //调用一次 @Override public void endDocument() throws SAXException { } //调用多次,取标签中的值,如<a>value<a> --> value @Override public void characters(char[] ch, int start, int length) throws SAXException { if(this.tagName != null){ String data = new String(ch,start,length); if("word".equals(this.tagName)){ this.word = data;//把值传给word变量,外部方法可以通过get方法获取到 } } }}
MyXMLReaader.class
package cn.fywspring.hadoopd.wc_xml;import java.io.ByteArrayInputStream;import javax.xml.parsers.SAXParser;import javax.xml.parsers.SAXParserFactory;/** * 处理xml,从标签中获得指定的字段 * @author Yiwan * */public class MyXMLReader { public static void main(String[] args) { System.out.println(getValue("<words><word>hello</word></words>")); } /** * 接收一个字符串 * @param str 接收的字符串 * @return 返回从xml标签中提取出来的字段 */ public static String getValue(String str){ SAXParser parser = null; try { //新建一个SAX解析器对象,该对象的特点就是一行一行的读xml文件 parser = SAXParserFactory.newInstance().newSAXParser(); //新建一个自定义的xml处理类实例 XmlSaxParser xml = new XmlSaxParser(); //parse方法的第一个参数接收一个InputStream类型的参数,第二个参数是上面定义的xml处理类实例 parser.parse(new ByteArrayInputStream(str.getBytes()), xml); //通过访问器获得字段并返回 return xml.getWord(); } catch (Exception e) { e.printStackTrace(); } return ""; }}
WCMapper.class
package cn.fywspring.hadoopd.wc_xml;import java.io.IOException;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Mapper;public class WCMapper extends Mapper<LongWritable, Text, Text, IntWritable> { @Override protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException { try { String string = value.toString(); String text = MyXMLReader.getValue(string); if(!"".equals(text)){ String[] words = text.split(" "); for (String word : words) { context.write(new Text(word), new IntWritable(1)); } } } catch (Exception e) { // TODO Auto-generated catch block e.printStackTrace(); } }}
WCReducer.class
package cn.fywspring.hadoopd.wc_xml;import java.io.IOException;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Reducer;public class WCReducer extends Reducer<Text, IntWritable, Text, IntWritable> { @Override protected void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException { int count = 0; for (IntWritable value : values) { count += value.get(); } context.write(key, new IntWritable(count)); }}
WCDriver.class
package cn.fywspring.hadoopd.wc_xml;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class WCDriver { public static void main(String[] args) { try { Configuration conf = new Configuration(); Job job = Job.getInstance(conf); job.setJarByClass(WCDriver.class); job.setMapperClass(WCMapper.class); job.setReducerClass(WCReducer.class); job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(IntWritable.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); FileInputFormat.setInputPaths(job, new Path("hdfs://hadoop01:9000/wc_xml")); FileOutputFormat.setOutputPath(job, new Path("hdfs://hadoop01:9000/wc_xml/result")); job.waitForCompletion(true); } catch (Exception e) { e.printStackTrace(); } }}
阅读全文
0 0
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 欢迎使用CSDN-markdown编辑器
- 准确MApp
- 10.21作业及总结
- Android底部Fragment切换
- 设计模式学习笔记—代理模式(Proxy)
- Linux下配置adb
- 欢迎使用CSDN-markdown编辑器
- Python3 数据结构与算法之枚举
- Struts2 拦截器
- HTML 表单,单选框,复选框,下拉列表,<textarea>
- 准确MainActivity
- 可能是第十好的Android 开源 日历 Calendar 仿小米
- CSR1010蓝牙模块_模块特点及技术指标
- C# 结构,枚举
- 网康上网行为管理NI3200-50